My Finances: Pet-проект на Python

Под капотом:

Технологии и немного о процессе разработки

Создавая «My Finances», я не только решал свою прикладную задачу, но и ставил цель поработать с определенным стеком технологий и немного поэкспериментировать с процессом.

Выбор технологического стека был продиктован несколькими соображениями:

• Backend – Python и Flask: Python – мой основной язык, на котором я чувствую себя уверенно. Flask же я выбрал за его минималистичность, гибкость и низкий порог входа для небольших и средних веб-приложений. Он позволяет быстро стартовать и не навязывает строгую структуру, что идеально для pet-проекта, где хочется больше свободы. К тому же, экосистема Python предлагает массу готовых библиотек для любых нужд.

• База данных – SQLite: Для MVP-версии приложения, где не ожидается сверхвысоких нагрузок или сложной многопользовательской логики с конкурентным доступом, SQLite подошел идеально. Это легковесная, файловая СУБД, которая не требует отдельного сервера, легко интегрируется с Python и отлично подходит для быстрого прототипирования и запуска. Все данные хранятся в одном файле, что упрощает бэкапы и перенос.

• Frontend – HTML, CSS, JavaScript (и немного Jinja2): Здесь все довольно стандартно. HTML для структуры страниц, CSS для их оформления (в данном проекте я использовал кастомные стили, чтобы лучше прочувствовать процесс «с нуля», хотя в будущем можно интегрировать и CSS-фреймворки типа Tailwind CSS или Bootstrap для ускорения). JavaScript использовался по минимуму для некоторых клиентских взаимодействий. Шаблонизатор Jinja2, идущий в комплекте с Flask, позволил удобно генерировать HTML-страницы на стороне сервера, передавая в них данные из Python.

• Система контроля версий – Git и GitHub: Это уже стандарт де-факто в разработке. Весь код проекта с самого начала велся в Git, а GitHub использовался как удаленный репозиторий для хранения кода, отслеживания изменений и, как вы увидите дальше, для развертывания.

• Среда разработки (IDE) – PyCharm: Мой выбор для Python-разработки. Удобный, мощный инструмент, который значительно ускоряет написание кода и отладку.

• Развертывание (Deployment) – PythonAnywhere: Для быстрого и относительно простого вывода Flask-приложения в интернет PythonAnywhere – один из лучших вариантов, особенно для начинающих и для небольших проектов. У них есть бесплатный тариф, который отлично подходит для таких pet-проектов, как «My Finances». Процесс настройки там достаточно хорошо документирован.

ИИ в роли команды разработки

Этот проект я делал полностью самостоятельно, но у меня был необычный «напарник» – искусственный интеллект (да-да, тот самый, который помогает мне сейчас писать и этот текст 😉). Для меня это был осознанный эксперимент: насколько эффективно можно использовать современные языковые модели в качестве полноценного ассистента на всех этапах разработки.

Как это выглядело на практике?

• Мозговой штурм и планирование: Мы (я и ИИ) обсуждали идеи, функционал, возможные проблемы. ИИ помогал структурировать мысли и предлагал разные варианты решений.
• Генерация кода: Для многих стандартных задач – будь то написание базовых Flask-маршрутов, функций для работы с базой данных SQLite, создание HTML-шаблонов или даже небольших JavaScript-сниппетов – я ставил задачу ИИ, а затем анализировал, тестировал и дорабатывал предложенный им код.
• Отладка: Когда возникали ошибки (а они, конечно, возникали!), я «скармливал» ИИ сообщения об ошибках и фрагменты кода, и он часто помогал найти причину или предлагал варианты исправления. Это было особенно полезно с ошибками на PythonAnywhere, где процесс отладки может быть не таким очевидным, как локально.
• Обучение и консультации: По ходу дела ИИ объяснял мне некоторые концепции Flask, SQLite или нюансы веб-разработки, с которыми я был знаком не так хорошо.
• Создание контента: Помощь в написании текстов, таких как это описание проекта для блога или посты для LinkedIn.

Моя роль в этом тандеме была ролью ведущего разработчика и Product Owner’а: я ставил задачи, определял архитектуру, принимал окончательные решения по коду, тестировал, интегрировал и, конечно, направлял «мысль» ИИ в нужное русло. Это не волшебная кнопка «сделать все за меня», а скорее инструмент, который при правильном управлении может значительно ускорить некоторые процессы и дать новые идеи.

Конечно, были и свои нюансы: ИИ не всегда понимал задачу с первого раза, иногда предлагал неоптимальные или даже ошибочные решения, которые приходилось тщательно проверять и корректировать. Но в целом, опыт оказался крайне интересным и продуктивным. Это показало, как можно эффективно использовать современные технологии даже в соло-проекте, по сути, «масштабируя» свои возможности.

Трудности, Открытия и чему я научился

Путь от идеи до работающего MVP, даже для относительно небольшого pet-проекта, редко бывает абсолютно гладким. «My Finances» не стал исключением, и на этом пути меня ждали как свои «грабли», так и ценные уроки.

С какими трудностями пришлось столкнуться:

1. Магия развертывания (Deployment): Пожалуй, один из самых «веселых» этапов. Несмотря на кажущуюся простоту PythonAnywhere, пришлось повозиться с:

   • Виртуальными окружениями: Понять, как они создаются, активируются и правильно линковка с веб-приложением. Помните наши приключения с _posixsubprocess для Python 3.11, что заставило нас откатиться на более стабильную версию 3.10 и тщательно пересоздавать окружение? Это был хороший урок по совместимости и настройке серверного окружения.
   • WSGI-файл: Этот маленький файлик – сердце связи между сервером и вашим Flask-приложением. Неправильно указанный project_home, ошибки в импорте application – все это приводило к тому, что приложение либо не запускалось вовсе, либо показывало стандартные страницы ошибок PythonAnywhere. Отладка этого требовала внимательности и изучения логов.
   • Пути к файлам и базе данных: Убедиться, что приложение на сервере правильно находит базу данных SQLite, статические файлы, шаблоны. Ошибка unable to open database file из-за вызова init_db() на глобальном уровне в app.py – классический пример, который мы успешно побороли.

2. Синтаксис и отступы – вечные спутники Python-разработчика: IndentationError после редактирования app.py (когда пытались исправить проблему с with app.app_context():) – яркое напоминание о том, насколько Python чувствителен к отступам, и как легко их случайно нарушить, особенно при работе в разных редакторах или при копировании кода.

3. Синхронизация версий (Local <-> GitHub <-> PythonAnywhere): Несколько раз мы сталкивались с тем, что на сайте загружалась «старая версия». Это подчеркнуло важность четкого процесса commit -> push -> fetch -> reset/pull и проверки того, что именно актуальная версия кода с GitHub действительно развернута на сервере.

4. Работа с ИИ-ассистентом – не всегда прямая дорога: Хотя ИИ был огромным подспорьем, это не «серебряная пуля»:

   • Иногда ИИ генерировал код, который был неоптимальным, содержал ошибки или не совсем точно соответствовал задаче. Требовалось время на анализ, тестирование и доработку.
   • Важность правильно сформулированного запроса (промпта) к ИИ. Чем точнее ставишь задачу, тем качественнее результат.
   • Понимание ограничений ИИ: он хорош в шаблонных задачах и генерации кода по известным паттернам, но для уникальной логики или глубокой отладки все равно требуется участие человека.

Ключевые открытия и чему я научился (или что закрепил):

1. Глубокое погружение во Flask: От простого «Hello, World!» до работающего CRUD-приложения с аутентификацией, сессиями, шаблонами Jinja2 и собственной системой локализации.
2. Практическая работа с SQLite: Проектирование таблиц, написание SQL-запросов (пусть и через ORM-подобные конструкции или напрямую), понимание особенностей файловой БД.
3. Основы DevOps на примере PythonAnywhere: Понимание процесса развертывания веб-приложения, настройки сервера (WSGI), управления виртуальным окружением, работы с логами сервера и ошибок. Это бесценный практический опыт.
4. Систематическая отладка: Чтение логов стало почти родным занятием! Умение анализировать сообщения об ошибках, локализовать проблему – ключевой навык разработчика, и этот проект его отлично прокачал.
5. Ценность Git и GitHub: Не просто как хранилища кода, а как инструмента для управления версиями, отката к предыдущим состояниям и синхронизации между разными средами. Команда git reset --hard стала почти магической!
6. Эффективное взаимодействие с ИИ: Этот проект научил меня не просто «просить ИИ написать код», а использовать его как полноценный инструмент: для генерации идей, прототипирования, рефакторинга, поиска информации и даже для создания такого контента, как эта статья. Это требует критического мышления и умения правильно ставить задачи.
7. Удовлетворение от созданного: Увидеть, как твоя идея превращается в работающий продукт, которым могут пользоваться (пусть пока это только MVP для себя и портфолио) – это огромное удовлетворение и мотивация двигаться дальше!

Этот проект стал для меня не просто строчкой в портфолио, а настоящей школой, где теория подкреплялась интенсивной практикой, а каждая решенная проблема добавляла уверенности и новых знаний.